Complex networks across disciplines: community detection methods in social and meteorological networks

Abstract

Ao estudar sistemas complexos presentes na natureza, tais como redes de neurônios e proteínas, ou sistemas complexos criados pelo homem, é possível observar a presença de estruturas modulares, chamadas comunidades. Uma comunidade é formada por um subconjunto de vértices que estão mais ligados uns aos outros, em comparação com os outros vértices da rede. Nesta pesquisa, foi estudado o uso de redes complexas em modelagem de tópicos, redes sociais e em redes espaciais. Especificamente, foi proposto um modelo de modelagem de tópicos baseado em detecção de comunidades. Além disso, foi apresentado algumas aplicações pontuais de redes complexas no combate à desinformação nas redes sociais. E por fim, a pesquisa se encerra na análise da consistência de comunidades em redes espaciais. Os resultados mostram que o método de modelagem de tópicos apresentou resultados melhores que as técnicas tradicionais em dados provenientes de redes sociais. Já a aplicação de redes complexas no combate a desinformação, demonstra que a análise a detecção de comunidades de usuários pode auxiliar na identificação de usuários que propagam desinformação, ou encontrar conjuntos de links que levam para sites com conteúdos de desinformação. A respeito da análise espacial das comunidades, os resultados demonstram que em redes meteorológicas variáveis como o uso do solo, ou a altimetria do terreno, influenciam na estrutura das comunidades no espaço. Em resumo, os resultados da pesquisa contribuíram em diversas áreas através da utilização de redes complexas.

When studying complex systems present in nature, such as networks of neurons and proteins, or complex systems created by man, it is possible to observe the presence of modular structures, called communities. A community is formed by a subset of vertices that are more connected to each other, compared to the other vertices in the network. In this research, the use of complex networks in topic modeling, social networks, and spatial networks was studied. Specifically, a topic modeling model based on community detection was proposed. In addition, some specific applications of complex networks to combat misinformation in social networks were presented. And finally, the research closes on the analysis of community consistency in spatial networks. The results show that the topic modeling method presented better results than traditional techniques on data from social networks. The application of complex networks to combat misinformation shows that the analysis and detection of user communities can help identify users who spread misinformation or find sets of links that lead to sites with misinformation content. Regarding the spatial analysis of communities, the results show that in weather networks variables such as land use, or terrain altimetry, influence the structure of communities in space. In summary, the research results have contributed to several areas through the use of complex networks.